n8n-Workflows, OpenAI- und Anthropic-Claude-APIs, integriert in Geschäftsprozesse. Lead-Assistent, Dokumentenverarbeitung, RAG-Chatbot auf Ihren eigenen Daten. Umfang bepreist nach eingesparten Stunden, nicht nach Versprechen.
Geschäftskontext
Typische Situationen, in denen sich ein Gespräch mit uns lohnt. Wenn mehr als eine davon zutrifft, können wir wahrscheinlich helfen.
Die Assistenz verbringt 8–10 Stunden pro Woche mit E-Mail-Sortierung oder Dateneingabe. n8n-Workflows können das mit messbarer Zeitersparnis und dokumentierter Logik ersetzen.
Interessenten sollten innerhalb von 24 Stunden ein Angebot erhalten — oft sind es aber 48–72 Stunden, weil die Anfrage im Postfach liegen bleibt. Ein Lead-Triage-Assistent klassifiziert und priorisiert und versendet bei Dringlichkeit eine SMS.
PDFs (Rechnungen, Verträge, Protokolle) werden per Copy-Paste verarbeitet. OCR + LLM-Extraktion mit strukturierter Ausgabe: extrahierte Felder gelangen mit Validierung in Excel, CRM oder ERP.
Kundenfeedback, Support-Tickets, Notizen aus Verkaufsgesprächen — Informationen sind verstreut. Ein RAG-Chatbot auf Basis Ihrer eigenen Dokumente: Frage → Antwort mit Quellenangaben. Support und Vertrieb finden relevante Daten schneller.
Leistungen
Konkrete Ergebnisse, keine abstrakten Fähigkeiten. Dokumentation und Übergabe sind bei jeder Lieferung inbegriffen.
Selbst gehostetes n8n oder n8n Cloud, dokumentierte Workflows. Webhook-Trigger, Fehlerbehandlung, Retry-Logik, Monitoring. Workflow-Code exportiert und in Git verwaltet.
Prompt Engineering, Few-Shot-Beispiele, Ausgabeschema (JSON-Modus oder Tool Use), Kostenüberwachung. Token-Nutzung protokolliert, monatliches Kosten-Dashboard. Provider-Fallback.
pgvector- oder Pinecone-Vektordatenbank, Embedding-Generierung, dokumentenbezogene Chunk-Strategie. Antworten mit Quellenverweis, sodass Nutzer im Originaldokument verifizieren können.
Klassifizierung eingehender Formulare/E-Mails (hot/warm/cold/spam), Entwurf einer Follow-up-E-Mail, CRM-Übernahme (HubSpot, Pipedrive, Notion). Entscheidungen protokolliert für die Vertriebsvalidierung.
Tesseract- oder AWS-Textract-OCR, LLM-Extraktion mit JSON-Schema. Rechnungsverarbeitung, Vertragszusammenfassung, Protokollstrukturierung. Human-in-the-Loop-Schritt bei auffälligen Werten.
Ergebnis
Der Go-Live ist nicht das Ende, sondern eine Übergabe. Sie erhalten jedes der folgenden Artefakte, und Ihr Team kann mit allen davon arbeiten.
Jeder Workflow als JSON exportiert und in Git verwaltet. Sie können auf eine eigene n8n-Instanz migrieren oder jederzeit prüfen.
Versionskontrollierte Prompt-Ablage (Notion oder Git-Repository) mit Few-Shot-Beispielen und Änderungshistorie. Ihr LLM-Team kann von hier aus weiterentwickeln.
50–200 manuell gelabelte Ein-/Ausgabe-Paare, automatischer Regressionstest bei jeder Prompt-Änderung. Genauigkeitswert abrufbar.
Token-Nutzung je Workflow, tägliche und monatliche Kosten, Anomaliesignale (z. B. wenn sich die Kosten eines Workflows verdoppeln).
Für RAG-Projekte: der pgvector- oder Pinecone-Index mit dokumentiertem Schema und Rebuild-Skript.
Workflow-Beschreibungen für die Fachabteilung, Nutzungsanleitung für den Chatbot für Endnutzer, Störungsprotokoll.
Wissenstransfer-Gespräch, gemeinsame Fehlersuche bei den ersten typischen Störungen, Übergabe des Monitoring-Dashboards.
Prozess
Sechs Schritte von der Discovery bis zum Support. Die fachspezifischen Inhalte werden je Projekttyp angepasst.
Erfassung manueller Prozesse, ROI-Schätzung, Prüfung der Datenquellen, Datenschutzprüfung.
Workflow-Diagramm (n8n), Prompt Engineering, RAG-Architektur, Kostenschätzung (Tokens).
Aufbau von n8n-Workflows, Integration der OpenAI-/Anthropic-API, Webhook-Endpunkte, Fehlerbehandlung.
Tests mit synthetischen Daten, Genauigkeitsmessung, Grenzfälle, Halluzinationsprüfung, Schutz vor Prompt Injection.
Live-Pilotbetrieb über 2-4 Wochen, Fehlerüberwachung, Feinabstimmung, schrittweiser Rollout.
Kostenüberwachung (Tokens), Verfolgung der Genauigkeit, Prompt-Verfeinerung, Erweiterung um neue Workflows.
Architektur
Typische RAG- oder Workflow-Architektur: Die Eingabe des Nutzers durchläuft n8n oder einen individuellen Orchestrator, der entscheidet, welche Tools aufgerufen und welches LLM verwendet werden.
Eingang
Orchestrator
LLM und Retrieval
Daten
Die Eingabe des Nutzers (Web-Chat oder eingehender Lead) gelangt zum Orchestrator, der aus n8n oder individuellem Node.js-/Python-Code besteht. Der Orchestrator entscheidet: Ist Retrieval (RAG) nötig, ist ein Tool-Aufruf erforderlich, welches LLM-Modell passt zu diesem Fall.
Die Vektordatenbank (pgvector oder Pinecone) enthält indexierte Dokumente. Die Wissensdatenbank kann ein PDF-Archiv, ein Notion-Export oder eine Live-API sein. Jeder LLM-Aufruf wird protokolliert, damit wir Kosten und Genauigkeit messen können.
Stack
Bewährte, dokumentierte Werkzeuge. Wenn das Projekt es rechtfertigt, weichen wir davon ab — aber wir erklären immer, warum.
Integrationen
Typischer KI-Stack und Integrationspunkte. Die Wahl hängt vom Anwendungsfall ab.
Zeitplan
Ein einfacher n8n-Workflow: 4–6 Wochen. Ein RAG-Chatbot auf Ihren eigenen Daten: 8–12 Wochen. Ein komplexes Multi-Agenten-System: 12–20 Wochen.
Definition des Anwendungsfalls, ROI-Schätzung, erste Eval-Set-Abgrenzung.
Proof of Concept mit einem minimalen Prompt anhand von 10–20 Beispielen zur Machbarkeitsprüfung.
n8n-Workflow, Prompt-Iteration, Integration, Kostenüberwachung aufgebaut.
Genauigkeitsmessung, Prompt-Iteration, Abdeckung von Randfällen, Feedback-Schleife der Nutzer.
Produktivbetrieb, Monitoring aktiv, Wissenstransfer, 30 Tage Hyper-Care.
Grenzen
Es ist ehrlicher, das von Anfang an klarzustellen. Bestimmte Arbeiten übernehmen wir bewusst nicht — entweder entspricht es nicht unserem Profil, oder wir könnten es nicht in der Qualität liefern, für die wir unseren Namen einsetzen würden.
LLMs sind nicht deterministisch. Wenn eine Ausgabe zu 100 % korrekt sein muss (Rechnungsbeträge, Rechtstexte), legen wir sie nicht auf den kritischen Pfad — ein menschlicher Prüfschritt ist erforderlich.
Das Training von Foundation-Modellen (LLM-Pretraining) liegt außerhalb unserer Infrastruktur und Expertise. Fine-Tuning über die OpenAI-/Claude-API ist möglich; das Training eines neuen Modells nicht.
LLMs halluzinieren naturgemäß. Wir liefern Eval-Sets, Quellenangaben und Human-in-the-Loop-Validierung. '100 % korrekt' ist kein professionelles Versprechen.
Wenn der Kunde keinen Einblick in die Prompts und Workflows wünscht, sind wir nicht der richtige Partner. Alles wird dokumentiert und transparent übergeben.
Erste Woche
In der ersten Woche geht es darum, den Anwendungsfall zu validieren und einen Machbarkeitsprototyp zu erstellen.
Montag
Welche Aufgabe automatisiert werden soll, was das messbare Ziel ist, wer der Endnutzer ist.
Dienstag
Welche Daten in welchem Format verfügbar sind, wie die DSGVO-Lage aussieht.
Mittwoch
Ein minimaler Prompt + 5–10 Testfälle, um die Basis-Genauigkeit zu sehen.
Donnerstag
Schätzung der Token-Nutzung im Verhältnis zum erwarteten Volumen, monatliche Kosten.
Freitag
PoC → MVP → Produktionsumfang, Design des Eval-Sets, Entscheidungspunkte.
Preise
Drei Zusammenarbeitsmodelle. Jedes erhält nach der Discovery-Phase einen präzisen Umfang — konkrete Zahlen folgen, sobald wir das Projekt gesehen haben.
Präzise Workflow-Beschreibung und Festpreis nach der Discovery-Phase. Genauigkeitsziel des Eval-Sets (z. B. ≥90 %) definiert, Übergabe präzise dokumentiert.
Ideal, wenn
Klar abgegrenzte Workflows, Lead-Klassifizierung, Dokumentenextraktion mit festen Vorlagen.
Iteration in Sprints geliefert. Prompt-Tuning, Erweiterung des Eval-Sets und neue Anwendungsfälle funktionieren bei T&M gut, weil sich der Umfang natürlich entwickelt.
Ideal, wenn
RAG-Chatbots, komplexe mehrstufige Workflows mit experimentellem Umfang.
Monatliche feste Kapazität für Workflow-Betrieb, Monitoring, Prompt-Tuning. SLA-ähnliche Reaktionszeit, garantierte Verfügbarkeit.
Ideal, wenn
Betrieb produktiver KI-Systeme, laufende Genauigkeitsverbesserung, Abdeckung von Randfällen.
Fallstudien
Anonymisierte Fälle, die zu diesem Bereich passen. Detaillierte Beschreibungen werden auf Basis unserer Projektunterlagen erstellt.
FAQ
Nächster Schritt
Konkreter Umfang, transparente Preise, dokumentierte Lieferung. Das erste 30-minütige Gespräch ist kostenlos, und nach einer NDA teilen wir konkrete Zahlen.